重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (5): 139-149.doi: 10.3969/j.issn.1674-8425(z).2020.05.018
• “第二十五届全国信息检索学术会议”（CCIR2019）专栏 • 上一篇 下一篇
胡 扬1,闫宏飞1,2,陈 罛3
摘要： 在知识图谱的构建过程中，传统方法先进行命名实体识别，再进行关系抽取，导致任务间关联信息的丢失，而且忽略了实体间的重叠关系。为此，基于能识别重叠关系的ＢｉＬＳＴＭ＋ＣＲＦ模型，通过参数共享实现两个任务联合学习，充分利用任务间联系来优化结果。公开数据集上的实验结果表明：所提出模型在实体识别上取得了７８．４％的ｆ１值，在非重叠关系和重叠关系的抽取上取得了５０．５％和４５．０％的ｆ１值。为验证该方法可后续用于金融知识图谱构建，提取了小型金融数据集来验证其在金融数据上的泛化能力。
中图分类号:
主管单位：重庆市教育委员会